Heim > Artikel > Backend-Entwicklung > Beispiel für das Parsen von WeChat-Artikeln durch QueryList

Beispiel für das Parsen von WeChat-Artikeln durch QueryList

小云云Original: 2018-03-27 10:46:564172Durchsuche

最近工作中需要做一个通过微信文章url抓取微信文章的功能，网页解析使用的是QueryList。将代码实现的逻辑记录一下。希望能帮助到大家。

具体实现代码如下：

/**
     * @param $url  微信文章url
     * @return bool
     */
    function spideWx($url){
        if(empty($url)) return false;
        $_host = parse_url($url, PHP_URL_HOST);  //获取主机名
        if($_host !== &#39;mp.weixin.qq.com&#39;) return false;  //不是来自微信文章
        $html = file_get_contents($url);
        if(empty($html)) return false;
        $html = str_replace("<!--headTrap<body></body><head></head><html></html>-->", "", $html);  //去除微信干扰元素!!!否则乱码
        preg_match("/var msg_cdn_url = \".*\"/", $html, $matches);   //获取微信封面图
        $coverImgUrl = $matches[0];
        $coverImgUrl = substr(explode(&#39;var msg_cdn_url = "&#39;, $coverImgUrl)[1], 0, -1);
        $rules = array(   //设置QueryList的解析规则
            &#39;content&#39; => array(&#39;#js_content&#39;, &#39;html&#39;),  //文章内容
            &#39;title&#39; => array(&#39;#activity-name&#39;, &#39;text&#39;),  //文章标题
            &#39;author&#39;=> array(&#39;.rich_media_meta_text:eq(1)&#39;,&#39;text&#39;),  //作者
            &#39;account_name&#39; => array(&#39;#js_profile_qrcode .profile_nickname&#39;,&#39;text&#39;),  //公众号
            &#39;account_en_name&#39; => array(&#39;#js_profile_qrcode .profile_meta:eq(0) .profile_meta_value&#39;,&#39;text&#39;),  //公众号英文标识
        );
        //替换图片链接，解决微信图片防盗链
        $_link = &#39;http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imageUrl=&#39;;
        $data = QueryList::Query($html,$rules)->getData();   //执行解析
        $_res = $data[0];  //获取解析结果
        if(empty($_res)) return false;  //解析失败
        $_res[&#39;thumb&#39;] = $_link.$coverImgUrl;   //封面图
        $_res[&#39;title_crc&#39;] = sprintf("%u", crc32($_res[&#39;title&#39;]));   //标题crc
        $_res[&#39;url_crc&#39;] = sprintf("%u", crc32($url));   //url-crc
        $pattern = &#39;/<img([^>]*)src\s*=\s*([\&#39; "])([\s\S]*?)([^>]*)/&#39;;    //正则替换内容中的图片链接
        $_res[&#39;content&#39;] = preg_replace($pattern, &#39;<img$1src=$2&#39;.$_link.&#39;$3$4&#39;, $_res[&#39;content&#39;]);
        return $_res;
    }

In Verbindung stehende Artikel

Mehr sehen